为了充分利用彩色成像丰富的纹理细节，及热红外成像在夜视和不良天气条件下的稳定性，应用数据融合的理论和方法，综合热红外与可见光传感器的互补信息，进行图像目标检测。该方法能够在夜视或雨、雾、雪、烟尘等不利自然条件下，更快、更准确地探测目标，提高对隐藏、伪装目标的检测能力。　　本文详细介绍了热红外与可见光融合运动目标检测的发展现状与经典算法，实验对比了几种背景差分法在可见光与热红外视频图像下的检测效果;分析了热红外与可见光视频融合检测的结果。在摄像机固定情况下，本文进一步研究了利用红外与可见光传感器间的互补性，实现运动目标鲁棒性检测的方法。　　提出了一种先检测后融合的运动目标检测算法，首先对可见光视频采用混合高斯建模方法检测运动目标，对热红外视频设计了基于背景差分和时间差分相结合的加权算法提取运动区域，然后对可见光与热红外视频中运动目标进行特征级融合。实验结果表明:该方法利用热红外与可见光图像的直观互补特征，在满足实时性要求的同时，可实现运动目标的精确、完整、鲁棒性检测。　　在混合高斯模型的基础上，提出了一种RGBT混合高斯运动目标检测算法。该方法将热红外图像作为第四个分量加入到传统的混合高斯模型中，降低了算法的误检率。同时，引入了阴影去除算法，减小因环境光照变化引起的阴影对算法的影响，增强了算法的鲁棒性。实验表明，相比传统的混合高斯模型，该方法检测精度更高，目标更完整，同时也能较好地满足实时性的要求。